MiniMax-H3-Image vs Qwen-Image 2.1: dois checkpoints abertos, dois tipos diferentes de bloqueio

Ambos estes modelos podem ser descarregados, e nenhum deles é gratuito para utilização no sentido em que essa palavra é habitualmente entendida. O MiniMax-H3-Image — um download de 68,65 GB cujo transformer, só por si, ocupa 66,28 GB, além de um codificador de texto de 66,7 GB, com pesos publicados a 10 de novembro de 2026 — é distribuído ao abrigo de uma licença comunitária que exclui da sua concessão a União Europeia, o Reino Unido, a República da Coreia e os Estados Unidos, e exige autorização escrita da M​iniMax para receitas anualizadas superiores a 1 milhão de dólares norte-americanos ou para qualquer serviço alojado. O Qwen-Image 2.1, lançado pela equipa Q​wen da A​libaba a 20 de setembro de 2026 e cerca de um quarto do download, com 33,13 GB, é distribuído ao abrigo do Q​wen Research License Agreement, cuja Secção 2(a) concede direitos «APENAS PARA FINS NÃO COMERCIAIS» e cuja Secção 2(b) proíbe a utilização comercial sem uma licença separada. Uma das restrições é geográfica, com um limite de receita; a outra é absoluta. Se veio aqui para escolher o modelo que pode incluir num produto, os ficheiros de licença já responderam, e o resto desta comparação diz respeito ao conjunto muito mais restrito de utilizações em que essa resposta lhe deixa uma escolha.

O contraste de engenharia é igualmente acentuado, e vai na direção oposta ao que a contagem de parâmetros sugere. Qwen-Image 2.1 é um gerador visual de 7 bilhões de parâmetros que remove ruído em quarenta etapas. MiniMax-H3-Image é um transformer denso de 33,1 bilhões de parâmetros destilado para seis. Um é feito para caber em uma estação de trabalho; o outro é feito para fazer uma requisição hospedada parecer instantânea. Descobrir qual é mais barato por mil imagens não é questão de multiplicar parâmetros por qualquer coisa — é questão de onde o custo de cada um realmente está.

O que significa «open» em cada licença, cláusula por cláusula

Comece pelo Q​wen, porque seus termos são os mais simples dos dois e os mais restritivos no caso comum. O card do Hugging Face marca a licença como outra, com license_name: qwen-research, e o arquivo LICENSE no repositório é o Contrato de Licença de Pesquisa Q​wen datado de 20 de setembro de 2026. A linguagem dispositiva não é ambígua: os direitos são concedidos apenas para fins não comerciais, "Não Comercial" é definido como pesquisa ou avaliação, e qualquer pessoa que queira lançar algo deve solicitar uma licença ao endereço indicado no contrato. Não há limite de receita, exceção territorial nem caminho escrito no texto pelo qual uma pequena empresa possa se qualificar automaticamente. É uma concessão para pesquisa, e é só isso.

O acordo da MiniMax é mais permissivo em princípio e mais peculiar na prática. A concessão é mundial, mas exclui quatro jurisdições nominalmente. O uso comercial é contemplado, e não proibido, sujeito a dois gatilhos que exigem autorização prévia por escrito e a uma cláusula de atribuição que obriga qualquer produto comercial a "exibir com destaque 'MiniMax-H3-Image'" em sua interface. O acordo também exige salvaguardas para qualquer serviço que gere resultados — implementar, manter, testar e revisar periodicamente —, que é o tipo de cláusula que uma equipe de conformidade lê como uma obrigação e um desenvolvedor autônomo lê como texto padrão.

Colocados lado a lado, os dois documentos produzem um mapa estranho. Um estúdio em Tóquio pode usar o MiniMax-H3-Image comercialmente, com autorização acima do limite, e não pode usar o Qwen-Image 2.1 comercialmente de forma alguma. Um estúdio na Califórnia não pode usar nenhum dos dois: a MiniMax exclui o território de forma categórica, a Qwen proíbe a finalidade. Um grupo de pesquisa em qualquer lugar pode usar ambos, já que a pesquisa é o que a Qwen concede e o que a leitura não comercial da MiniMax abrange. Essa última frase é o resumo honesto do campo de imagens de pesos abertos em novembro de 2026, e nenhuma tabela de benchmarks muda isso.

Quarenta passos contra seis, e o que isso faz com um projeto de lei

A diferença de amostrador é o fato de engenharia de maior impacto neste confronto, porque domina todos os demais aspectos do custo.

• Etapas — O Qwen-Image 2.1 executa Flow Matching com agendamento discreto Euler em quarenta etapas de desruído por padrão no checkpoint base, sem variante destilada no repositório base. O checkpoint separado Qwen-Image 2.1 Turbo, lançado em 9 de outubro de 2026, reduz isso para oito etapas com CFG em 1 e seu agendamento armazenado no checkpoint. O MiniMax-H3-Image executa seis etapas e nenhuma orientação livre de classificador — não é um padrão, é uma restrição: a API servida retorna HTTP 400 para qualquer outra contagem de etapas ou valor de orientação, e recusa prompts negativos.

• Tamanho — {{1}}O componente de geração visual do Qwen tem 7B de parâmetros em 32 camadas DiT de fluxo único, com atenção block-causal; texto e instruções recebem uma máscara causal em nível de token, e a geração de imagens, uma bidirecional em nível de chunk.{{/1}} {{2}}O da MiniMax é denso, com 33,1B, 50 camadas, oculto 5.376, 56 cabeças, FFN 14.336, com RoPE multimodal 3D e um patch latente 2×2 cobrindo 32×32 pixels por token.{{/2}}

• Download — 33,13 GB no total para o Qwen-Image 2.1 (cerca de 20,5 GB de transformer e VAE, o restante um codificador de texto Qwen3-VL 8B). Aproximadamente 135 GB para o MiniMax antes de você ter gerado qualquer coisa.

Faça as contas e a intuição se inverte. Um modelo de 33B com seis passos realiza cerca de 199B de passos-parâmetro de trabalho por imagem; um modelo de 7B com quarenta passos realiza cerca de 280B. O modelo maior não é automaticamente o mais caro — o que é justamente o ponto da destilação, e a razão pela qual "33B" em uma ficha técnica não diz quase nada sobre quanto uma imagem custa para você. Em uma placa fixa, porém, o checkpoint de 33B é o que pode não caber em dezesseis megapixels, e a M​iniMax não publica nenhum número de latência, nenhuma receita de hardware e nenhuma orientação de memória em lugar algum do material de lançamento para dizer se ele cabe. A Q​wen publica, em vez disso, presets fixos: 2048×2048 em 1:1, 2400×1792 em 4:3, 2752×1536 em 16:9, e suas transpostas — cerca de 4,2 megapixels no máximo, um quarto da alegação da M​iniMax.

Essa lacuna de resolução não é acidental na comparação de custos. A escada de preços da MiniMax até 4K é incomumente plana porque sua métrica de cobrança é em tokens e a contagem de tokens não escala com a área como a intuição sugere — US$ 0,02179 em 1K contra US$ 0,06879 em 4K antes de o desconto de lançamento reduzir pela metade o nível superior. O Qwen não tem escada de preços para comparar, porque não há modelo base hospedado para comprar: Artificial Analysis lista o Qwen-Image-2.1 sem preço algum, o que, para esse ranking, significa que não há API. As faixas Pro e Turbo que a Alibaba de fato hospeda são linhas completamente separadas, a US$ 35,33 e US$ 16 por mil imagens.

A única capacidade que o Q​wen tem que o M​iniMax não tem

Transparência nativa. O VAE do Qwen-Image 2.1 é um autoencoder RGBA de 64 canais com compressão espacial de 16×, portanto um canal alfa sai do modelo, em vez de resultar de uma etapa posterior de remoção de fundo. Trata-se de uma diferença genuína de fluxo de trabalho para quem produz ativos que passam por composição — recortes de produtos, sprites, arquivos de design em camadas — e não é algo que se possa obter do MiniMax-H3-Image por meio de prompt. Nada no repositório, na ficha do modelo ou na licença dele menciona um canal alfa, e seu VAE é descrito como um codificador CNN com um decodificador ViT de 24 camadas e 24 canais latentes.

O restante da lista de recursos favorece a M​iniMax no papel e vale a pena ler com atenção, porque a maior parte é declarada pelo fornecedor:

Resolução — É aqui que o 33B começa a parecer que tem propósito. O MiniMax-H3-Image gera nativamente até cerca de dezesseis megapixels em qualquer proporção de aspecto — de 4096×4096 a 6272×2688 — com um teto de 20 megapixels na API e nenhum upscaler no caminho. As predefinições documentadas do Q​wen chegam a no máximo cerca de 4,2 megapixels.

• Referências — o MiniMax-H3-Image aceita até dezesseis, e você as indica por posição: o prompt diz <Picture 3> e significa o terceiro arquivo que você enviou. O Qwen-Image 2.1 aceita até dez, e sua demonstração inclui uma foto em grupo montada a partir de seis retratos.

• Seguimento de instruções — a ficha da MiniMax afirma "o seguimento de instruções mais forte entre modelos de código aberto" sem nenhuma tabela de avaliação por trás da frase. A Qwen publica um número do VDEBench de 0,81 local e 0,83 global em 3.506 amostras, que é um número real com uma contagem real de amostras e ainda assim um número de fornecedor, calculado pelo próprio harness do fornecedor.

• Comprimento do prompt — M​iniMax aceita 32.000 caracteres na API disponibilizada, com aproximadamente os primeiros 4.096 tokens surtindo efeito. O card e os exemplos do Q​wen são escritos em torno de instruções curtas e estruturadas, em vez de prompts longos, e sua atenção de granularidade mista é projetada explicitamente para armazenar em cache a instrução e as imagens de condição uma vez e reutilizá-las entre as etapas, o que é uma alegação de eficiência, e não de capacidade.

O que os conselhos independentes mostram agora

Ambos os modelos são avaliados nas duas arenas de imagens do Artificial Analysis em 14 de novembro de 2026, o que torna este um dos poucos confrontos de pesos abertos em que os dois lados dispõem de evidências de terceiros comparáveis. O quadro de texto para imagem é quase um empate: o MiniMax-H3-Image ocupa a 25ª posição entre 114 linhas, com Elo 1.066 e um intervalo de 1.051 a 1.080, e o Qwen-Image-2.1 ocupa a 28ª posição, com 1.047 e intervalo de 1.035 a 1.059. Vinte pontos de Elo, com intervalos que apenas se tocam, representam uma liderança, não uma lacuna, e ninguém deveria trocar um pipeline por causa disso.

O ranking de edição é o que separa. MiniMax-H3-Image está em 13º de 84, com Elo 1.138 (1.122–1.154); Qwen-Image-2.1 está em 30º, com 1.084 (1.071–1.097). São cinquenta e quatro pontos de Elo sem sobreposição alguma, e é o único ponto desta comparação em que a evidência de terceiros diz algo decisivo sobre qualidade, e não sobre custo ou licenciamento.

As variantes acompanham seus modelos pai sem alterar o formato. O MiniMax-H3-Image Highspeed fica em 24º em texto para imagem (1.072) e em 14º em edição (1.134), então o nível servido mais rápido fica próximo do padrão nos dois rankings. No lado do Qwen, o irmão Pro hospedado fica em 1.059 e 1.068, e o Turbo em 1.025 e 1.062 — ambos abaixo da pontuação de edição do checkpoint base, que é o custo esperado de um cronograma de oito etapas, e não uma surpresa.

Duas ressalvas antes de alguém montar um caso de aquisição com base nesses números. Primeiro, o Elo vem de votos cegos em comparações pareadas, não de medições de resolução, tratamento de alfa ou aderência à contagem de etapas; um comitê que não consegue ver seu pipeline de composição não consegue pontuar o que importa para ele. Segundo, as linhas do Qwen-Image-2.1 foram produzidas por pessoas que executaram os próprios pesos, já que não há um endpoint base hospedado para o qual apontar um prompt, enquanto as do MiniMax incluem tráfego contra sua API. Populações diferentes, mesmo ranking — e a Artificial Analysis sinaliza essa diferença em vez de escondê-la.

Onde o OrcaRouter se encaixa, e onde não

Nenhum destes modelos está no catálogo da OrcaRouter, e vale a pena ser franco sobre isso em vez de enterrar o assunto: em 14 de novembro de 2026, não há rota aqui para MiniMax-H3-Image nem para Qwen-Image 2.1, e a análise de licenciamento acima é grande parte do motivo pelo qual um catálogo hospedado é um negócio diferente de um repositório de pesos. O que a plataforma roteia na linha de imagem são as famílias Google e OpenAI — incluindo os modelos de imagem Gemini e a linha GPT Image — atrás da mesma chave dos seus modelos de texto, ao preço de tabela do provedor com 0% de markup repassado.

A parte disso que é realmente útil nesta comparação é a DSL de roteamento. Um pipeline que precisa de uma imagem de 16 megapixels para um trabalho de impressão e de uma miniatura de 1 megapixel para um anúncio não quer um único modelo fazendo as duas coisas por um único preço, e não quer dois contratos com fornecedores para chegar lá. Compor as chamadas — uma rota para a geração pesada, outra para o derivado barato, ambas atrás de um único endpoint — é exatamente para isso que um roteador existe, e é o mesmo argumento para colocar um checkpoint licenciado para pesquisa por trás de um serviço interno em vez de conectá-lo a uma aplicação.

A decisão, enunciada de forma tão restrita quanto merece

Para um grupo de pesquisa, uma equipe de avaliação ou qualquer pessoa cujo resultado nunca seja lançado comercialmente, o Qwen-Image 2.1 é o download mais indicado: um terço do tamanho, presets documentados, um número de avaliação publicado com uma contagem de amostras, Turbo em oito etapas quando você quiser iterar e alpha nativo se o seu trabalho envolver composição. É também o modelo cujo comportamento você pode caracterizar no seu próprio hardware esta tarde.

Para uma equipe comercial fora das quatro jurisdições excluídas, o MiniMax-H3-Image é o único dos dois que você pode distribuir legalmente, e é o modelo de edição mais forte por uma margem que o conselho consegue avaliar. Reserve orçamento para o download, conte com negociar com a MiniMax acima de um milhão em receita e incorpore o requisito de atribuição à sua interface antes do lançamento, e não depois.

Para uma equipe comercial dentro dessas jurisdições, a resposta não é nenhuma das duas. Isso é insatisfatório e é preciso. O campo de imagens com pesos abertos chegou a um ponto em que a pergunta interessante já não é qual checkpoint tem pontuação mais alta, mas qual deles seu advogado vai deixar você executar — e, nessa questão, este par é uma ilustração útil de quantas coisas diferentes “aberto” passou a significar.

O que moveria isto?

Uma alteração de licença de qualquer lado mudaria mais a comparação do que qualquer versão pontual. A lista de territórios da MiniMax parece um padrão de conformidade, e a empresa já relicenciou modelos antes; a licença de pesquisa da Qwen tem sido o padrão da família desde a linha 2.1, e um nível comercial para os pesos base — distinto dos endpoints hospedados Pro e Turbo — a tornaria a escolha óbvia para quem quer o artefato. Até que uma dessas coisas aconteça, as diferenças técnicas entre esses dois modelos são reais, bem documentadas e, em grande parte, acadêmicas para quem tem um produto para lançar.